王新宇，耿 海

（南京旅游职业学院，江苏 南京 210000）

1 需求规模预测理论模型、计算工具及数据来源

1.1 Elman神经网络模型

本次预测采用的主要模型是Elman神经网络模型，该神经网络模型是J.L.Elman于1990年首先针对语音处理问题提出来的，是应用较为广泛的一种典型的神经网络模型。

Elman神经网络是应用较为广泛的一种典型反馈型神经网络模型。一般分为4层：输入层、隐层、承接层和输出层。其输入层、隐层和输出层的连接类似于前馈网络。输入层的单元仅起到信号传输作用，输出层单元起到加权作用。隐层单元有线性和非线性两类激励函数，通常激励函数取Signmoid非线性函数。而承接层则用来记忆隐层单元前一时刻的输出值，可以认为是一个有一步迟延的延时算子。隐层的输出通过承接层的延迟与存储，自联到隐层的输入，这种自联方式使其对历史数据具有敏感性，内部反馈网络的加入增强了网络本身处理动态信息的能力，从而达到动态建模的目的。Elman神经网络具有动态记忆功能，非常适合时间序列预测问题，所以应用Elman神经网络模型预测人才需求是比较适合的。

1.1.2 模型实现、训练与应用

Elman神经网络适合处理时间序列问题，因此常用于一维或多维信号的预测，现以星级酒店人才需求预测为例来说明该模型的实现。

（1）样本设计。

原始数据是连续18年的星级酒店从业人数，把这些数据作为训练样本，其中连续5年的从业人数作为训练输入，第6年的从业人数作为对应的期望输出。……